AI知识科普(12):STT与TTS技术实战,定制你的私人语音助手!

#import waveimport pyaudio# 录音参数设置FORMAT = pyaudio.paInt16      # 采样位深CHANNELS = 1                  # 单声道RATE = 44100                  # 采样率 44.1kHzCHUNK = 1024                  # 每次读取的数据块大小# 默认录音时长RECORD_SECONDS = 5def audio_record(filename, duration=RECORD_SECONDS):    """ 从麦克风录音并保存为 .wav 文件 """    p = pyaudio.PyAudio()    # 打开音频流    stream = p.open(format=FORMAT, channels=CHANNELS, rate=RATE,                    input=True, frames_per_buffer=CHUNK)    print("🎤 开始录音...")    frames = []    for _ in range(0, int(RATE / CHUNK * duration)):        data = stream.read(CHUNK)        frames.append(data)    print("✅ 录音结束")    # 停止和关闭流    stream.stop_stream()    stream.close()    p.terminate()    # 保存为 WAV 文件    wf = wave.open(filename, 'wb')    wf.setnchannels(CHANNELS)    wf.setsampwidth(p.get_sample_size(FORMAT))    wf.setframerate(RATE)    wf.writeframes(b''.join(frames))    wf.close()    print(f"📁 录音已保存为: {filename}")if __name__ == "__main__":    # 录音5秒钟    audio_record("audio.wav", 5)

# 打开音频流stream = p.open(format=FORMAT, channels=CHANNELS, rate=RATE,                input=True, input_device_index=1, frames_per_buffer=CHUNK)

#import pyaudiodef audio_list_dev():    """ 罗列可用音频设备列表 """    p = pyaudio.PyAudio()    print("可用的音频输入设备列表：")    for i in range(p.get_device_count()):        dev_info = p.get_device_info_by_index(i)        # 只显示有输入通道的设备（即麦克风）        if dev_info.get('maxInputChannels') > 0:            print(f"索引 {i}: {dev_info.get('name')}")    p.terminate()if __name__ == "__main__":    audio_list_dev()

#import osimport time# 原有代码....def audio_play(filename):    """ 播放 .wav 音频文件 """    if not os.path.exists(filename):        print(f"❌ 文件不存在: {filename}")        return    wf = wave.open(filename, 'rb')    p = pyaudio.PyAudio()    stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),                    channels=wf.getnchannels(), rate=wf.getframerate(), output=True)    print(f"🔊 正在播放: {filename}")    data = wf.readframes(CHUNK)    while data:        stream.write(data)        data = wf.readframes(CHUNK)    stream.stop_stream()    stream.close()    p.terminate()    wf.close()    print("🔇 播放结束")if __name__ == "__main__":    # 录音5秒钟    audio_record("audio.wav", 5)    time.sleep(2)    # 播放录音文件    audio_play("audio.wav")

# 从环境变量获取API KEY 和 Accecss TokenVOLCANO_APP_ID = os.environ.get("VOLCANO_APP_ID")VOLCANO_ACCESS_TOKEN = os.environ.get("VOLCANO_ACCESS_TOKEN")

class VolcanoTTS:    """ 火山引擎文字转语音（TTS）封装类 """    def __init__(self, app_id: str, access_token: str, voice_type: str = TTSVoice.BV001):        """        初始化 TTS 客户端        Args:            app_id: 火山引擎应用 ID            access_token: 火山引擎访问令牌            voice_type: 音色类型（使用 TTSVoice 常量，默认女声）        """

# 初始化 TTStts_cli = VolcanoTTS(VOLCANO_APP_ID, VOLCANO_ACCESS_TOKEN, TTSVoice.BV025)

# 初始化 TTStts_cli = VolcanoTTS(VOLCANO_APP_ID, VOLCANO_ACCESS_TOKEN, TTSVoice.BV213)